1. Úvod do kyberbezpečnosti

1.1 Co je kyberprostor

Kyberprostor je prostředí tvořené propojením počítačů, serverů, mobilů, IoT zařízení a sítí.

• Fyzická vrstva: kabely, routery, servery.
• Logická vrstva: protokoly, služby, aplikace.
• Lidská vrstva: uživatelé, administrátoři, útočníci.

1.2 Motivace útočníků

• Finanční zisk – krádež peněz, ransomware.
• Data – osobní údaje, přístupové údaje.
• Sabotáž – útok na firmu nebo stát.
• Zábava / ego – hacktivismus.

1.3 Reálné příklady útoků

• Ransomware: zašifruje data a žádá výkupné.
• Phishing: falešný e‑mail z „banky“.
• Útok na sociální sítě: falešná soutěž, krádež účtu.

2. Typy kybernetických hrozeb

2.1 Malware

Malware = škodlivý software, který poškozuje systém nebo krade data.

2.2 Phishing a sociální inženýrství

Sociální inženýrství útočí na člověka, ne na techniku.

2.3 Další hrozby

• MITM: útočník odposlouchává komunikaci.
• Útoky na hesla: brute‑force, slovníkové útoky.
• Úniky dat: nešifrované disky, špatné zabezpečení.

3. Ochrana uživatele

3.1 Silná hesla

• Min. 12–16 znaků.
• Kombinace znaků.
• Nepoužívat stejné heslo všude.

3.2 Dvoufaktorová autentizace (2FA)

• Něco, co vím: heslo.
• Něco, co mám: mobil, token.
• Něco, co jsem: biometrie.

3.3 Bezpečné chování online

• Neotevírat podezřelé přílohy.
• Neklikat na neznámé odkazy.
• Kontrolovat HTTPS.
• Aktualizovat systém.

4. Ochrana zařízení

4.1 Firewall

4.2 Antivir

• Aktualizace databáze.
• Real‑time ochrana.

4.3 Šifrování

4.4 Zálohování (3‑2‑1)

• 3 kopie dat.
• 2 různá média.
• 1 mimo domov.

5. Kyberbezpečnost na sociálních sítích

• Nastavit soukromí profilu.
• Nesdílet citlivé údaje.
• Pozor na falešné profily.

6. Praktické scénáře

6.1 Reakce na phishing

• Neklikat.
• Ověřit adresu odesílatele.
• Přihlásit se ručně přes oficiální web.

6.2 Podvodný web

• Podobná doména.
• Chybí HTTPS.
• Podezřelý design.

6.3 Napadený účet

• Změnit heslo.
• Zapnout 2FA.
• Odhlásit neznámá zařízení.

7. Shrnutí

• Kyberbezpečnost = technika + chování.
• Nejčastější útoky: malware, phishing.
• Silná hesla + 2FA + aktualizace = základ.

1. Co je strukturovaný textový dokument

1.1 Struktura vs. „klikání myší“

Strukturovaný dokument není jen text s náhodně zvětšenými nadpisy, ale text, kde je vše definováno pomocí stylů a logické struktury.

• Logická struktura: nadpisy úrovní (Nadpis 1, 2, 3), odstavce, seznamy, tabulky, obrázky.
• Vizuální podoba: se odvozuje od stylu – když změním styl, změní se celý dokument.
• Výhoda: automatický obsah, jednotný vzhled, snadná úprava, lepší přístupnost.

1.2 Základní části dokumentu

• Titulní strana: název práce, autor, škola, rok.
• Obsah: generovaný z nadpisů.
• Úvod – jádro – závěr: logické členění textu.
• Seznam použité literatury: zdroje, ze kterých čerpám.
• Přílohy: obrázky, tabulky, kód, které by rušily hlavní text.

2. Styly, nadpisy a formátování

2.1 Styly odstavce

Styl odstavce je sada vlastností (písmo, velikost, řádkování, odsazení), která se aplikuje na celý odstavec.

2.2 Formátování odstavce

• Řádkování: např. 1,15 nebo 1,5 řádku.
• Odsazení prvního řádku: typicky 0,5–1 cm.
• Mezery před/za odstavcem: místo prázdných řádků.
• Zarovnání: do bloku (u delších textů), vlevo (u kratších).

2.3 Seznamy, tabulky a obrázky

• Odrážkové a číslované seznamy: používat nástroje editoru, ne ručně psané pomlčky.
• Tabulky: pro strukturovaná data, ne pro rozmisťování textu na stránce.
• Obrázky: vkládat jako objekt, ne „přes schránku“ bez ukotvení.

3. Práce se zdroji a citacemi

3.1 Proč citovat

Citace je odkaz na zdroj, ze kterého jsem převzal myšlenku, text, obrázek nebo data.

• Etika: přiznávám autorství cizích myšlenek.
• Ověřitelnost: čtenář si může informaci dohledat.
• Vyhnutí se plagiátorství: nepřivlastňuji si cizí práci.

3.2 Typy citací

• Doslovná citace: text v uvozovkách + odkaz na zdroj.
• Parafráze: vlastními slovy, ale stále s odkazem na zdroj.
• Odkaz na obrázek/tabulku: „Zdroj: …“ pod obrázkem.

3.3 Seznam použité literatury

Na konci dokumentu bývá seznam zdrojů. Základní typy:

• Kniha: PŘÍJMENÍ, Jméno. Název knihy. Místo: Nakladatelství, rok. ISBN.
• Článek: PŘÍJMENÍ, Jméno. Název článku. Název časopisu, rok, ročník, číslo, strany.
• Web: PŘÍJMENÍ, Jméno (pokud je). Název stránky. Název webu, rok. Dostupné z: URL. [cit. datum].

4. Nástroje v textových editorech

4.1 Správa zdrojů a citací

• Vestavěný správce zdrojů: zadám autora, název, rok, typ zdroje.
• Vkládání citací: kurzor do textu → vložit citaci → vybrat zdroj.
• Generování seznamu literatury: jedním kliknutím na konci dokumentu.

4.2 Obsah, záhlaví a zápatí

• Obsah: generovaný z nadpisů, lze aktualizovat jedním kliknutím.
• Záhlaví: název práce, kapitola, jméno autora.
• Zápatí: čísla stránek, případně název školy.

4.3 Export do PDF

• Export zachová strukturu dokumentu (záložky z nadpisů).
• PDF je vhodné pro odevzdání – nemění se rozložení.
• Pozor na vložené fonty, aby se text nezobrazoval špatně.

5. Praktické scénáře a chyby

5.1 Typické chyby

• Ručně psané číslování kapitol místo použití stylů.
• Mezery ENTERem místo nastavení mezer odstavce.
• Obrázky „plovoucí“ po stránce bez ukotvení.
• Chybějící citace u převzatých obrázků a textů.

5.2 Jak bych postupoval při tvorbě práce

1. Vytvořím si šablonu dokumentu (styly, záhlaví, zápatí).
2. Napíšu kostru nadpisů (kapitoly a podkapitoly).
3. Postupně doplňuji text, obrázky, tabulky.
4. Při psaní hned vkládám citace ke zdrojům.
5. Na závěr vygeneruji obsah a seznam literatury, zkontroluji formátování.

6. Shrnutí

• Strukturovaný dokument používá styly, ne ruční formátování.
• Správná struktura = titulní strana, obsah, kapitoly, závěr, literatura, přílohy.
• Citace a seznam literatury jsou nutné kvůli etice a ověřitelnosti.
• Textové editory umí automatizovat obsah, citace i formátování.

1. Základní pojmy a struktura sešitu

1.1 Sešit, list, buňka, oblast

Excel pracuje se sešitem (soubor .xlsx), který obsahuje listy. Každý list je mřížka buněk označených písmenem sloupce a číslem řádku (např. A1).

• Buňka: základní jednotka, obsahuje hodnotu nebo vzorec.
• Oblast: souvislý blok buněk, např. A1:C10.
• Název oblasti: pojmenovaná oblast (např. „Trzby_2024“) – usnadňuje vzorce.

1.2 Datové typy v buňkách

Excel rozlišuje typy dat podle toho, jak jsou zapsaná:

• Číslo: 123, 3,14 – lze s nimi počítat.
• Text: „Ahoj“, „2024A“ – zarovnán vlevo.
• Datum/čas: 1.1.2025, 12:30 – interně číslo (počet dní od 1.1.1900).
• Logická hodnota: PRAVDA / NEPRAVDA.

2. Vzorce, funkce a adresování

2.1 Vzorec a funkce

Každý vzorec v Excelu začíná znakem =. Může obsahovat operátory, odkazy na buňky a funkce.

• Operátory: +, -, *, /, ^ (mocnina).
• Funkce: předdefinované výpočty, např. =SUM(A1:A10).

2.2 Relativní, absolutní a smíšené adresy

Při kopírování vzorce se odkazy na buňky mohou měnit – podle typu adresy:

• Relativní adresa: A1 – při kopírování se posouvá.
• Absolutní adresa: $A$1 – při kopírování se nemění.
• Smíšená adresa: $A1 nebo A$1 – fixuje jen sloupec nebo řádek.

3. Základní zpracování dat – třídění, filtrování, tabulky

3.1 Třídění dat

Třídění mění pořadí řádků podle vybraného sloupce.

• Třídění vzestupně/sestupně (A–Z, Z–A, od nejmenšího po největší).
• Víceúrovňové třídění – např. nejdřív podle „Město“, pak podle „Příjmení“.
• Pozor: vždy označit celou tabulku, ne jen jeden sloupec.

3.2 Automatický filtr

Filtr umožňuje zobrazit jen řádky, které splňují podmínku.

• Zapnutí filtru – ikona „Trychtýř“ v záhlaví tabulky.
• Filtrování podle hodnot, textu, čísel, dat (např. „větší než 1000“).
• Možnost kombinovat více filtrů najednou.

3.3 Formát jako tabulka

Excel umí oblast převést na „chytrou tabulku“ (Ctrl+T):

• Automatické rozšíření tabulky při přidání řádku.
• Automatické kopírování vzorců ve sloupci.
• Strukturované odkazy – místo A2:A100 používám název sloupce.

4. Analýza dat – podmíněné funkce, kontingenční tabulky, grafy

4.1 Podmíněné funkce

Pro složitější výpočty se používají podmíněné funkce:

• IF (KDYŽ): =IF(A2>1000;"ANO";"NE")
• SUMIF / SUMIFS: součet podle podmínky/podmínek.
• COUNTIF / COUNTIFS: počet buněk splňujících podmínku.

4.2 Kontingenční tabulky

Kontingenční tabulka je nástroj pro rychlé shrnutí velkého množství dat.

• Vytvoření: Vložit → Kontingenční tabulka → vybrat zdroj dat.
• Do oblastí „Řádky“, „Sloupce“, „Hodnoty“, „Filtry“ přetahuji pole.
• Umí součty, počty, průměry, seskupování podle dat.

4.3 Grafy

Grafy slouží k vizualizaci dat – usnadňují pochopení trendů.

• Sloupcový graf: porovnání kategorií.
• Čárový graf: vývoj v čase.
• Koláčový graf: podíl na celku.
• Důležité: správně popsat osy, legendu a název grafu.

5. Chyby, datová validace a podmíněné formátování

5.1 Typické chyby ve vzorcích

• #DIV/0!: dělení nulou.
• #N/A: hodnota nenalezena (např. ve vyhledávací funkci).
• #VALUE!: špatný typ argumentu (text místo čísla).
• #REF!: odkaz na smazanou buňku.

5.2 Datová validace

Datová validace omezuje, co lze do buňky zadat.

• Např. povolit jen čísla v určitém rozsahu.
• Rozbalovací seznam – výběr z předdefinovaných hodnot.
• Pomáhá zabránit chybám při zadávání dat.

5.3 Podmíněné formátování

Podmíněné formátování mění vzhled buněk podle hodnoty.

• Zvýraznění hodnot větších než určitá hranice.
• Barevné škály (např. od červené po zelenou).
• Datové pruhy – vizuální porovnání velikosti hodnot.

6. Shrnutí

• Excel pracuje s buňkami, oblastmi a vzorci – správný datový typ je klíčový.
• Relativní a absolutní adresy rozhodují o tom, jak se vzorec chová při kopírování.
• Třídění, filtrování a „tabulky“ usnadňují práci s větším množstvím dat.
• Podmíněné funkce, kontingenční tabulky a grafy slouží k analýze a prezentaci dat.
• Datová validace a podmíněné formátování pomáhají předcházet chybám a zvýraznit důležité informace.

1. Co je multidimenzionální model

1.1 OLTP vs. OLAP

V praxi rozlišujeme dva typy databází:

• OLTP (Online Transaction Processing): běžné provozní databáze – e‑shop, bankovní systém, evidence žáků. Důraz na rychlé zápisy, normalizaci.
• OLAP (Online Analytical Processing): analytické databáze a datové sklady – slouží k reportům, analýzám, přehledům. Důraz na čtení a agregace.

1.2 Fakta a dimenze

Multidimenzionální model popisuje data jako fakta (měřitelné hodnoty) v kontextu dimenzí (kdo, kdy, kde, co).

• Fakta: čísla, která analyzujeme – tržby, počet kusů, doba trvání, počet návštěv.
• Dimenze: popisné informace – čas, zákazník, produkt, region, prodejce.

2. Hvězdicové a sněhové schéma

2.1 Hvězdicové schéma (Star schema)

Hvězdicové schéma je nejčastější tvar multidimenzionálního modelu.

• Uprostřed je faktová tabulka – obsahuje cizí klíče na dimenze a číselné hodnoty.
• Kolem jsou dimenzní tabulky – obsahují popisné atributy.
• Výhoda: jednoduché, přehledné, rychlé pro dotazy.

2.2 Sněhové schéma (Snowflake schema)

Sněhové schéma je „znormalizovaná“ verze hvězdy – dimenze se dále dělí na podtabulky.

• Např. dimenze „Produkt“ se rozdělí na „Produkt“ a „Kategorie“.
• Výhoda: méně redundance dat.
• Nevýhoda: složitější dotazy, více JOINů.

3. Dimenze, hierarchie a agregace

3.1 Dimenze a jejich atributy

Každá dimenze má atributy, podle kterých můžeme data filtrovat a seskupovat.

• Dimenze čas: den, měsíc, čtvrtletí, rok, pracovní den/víkend.
• Dimenze produkt: název, kategorie, značka, cena.
• Dimenze zákazník: město, region, segment (B2B/B2C).

3.2 Hierarchie v dimenzích

Hierarchie umožňuje „vrtat“ do dat – z vyšší úrovně na nižší.

• Čas: Rok → Čtvrtletí → Měsíc → Den.
• Geografie: Země → Kraj → Město.
• Produkt: Kategorie → Podkategorie → Produkt.

3.3 Agregace dat

V multidimenzionálním modelu často počítáme agregace:

• Součty (SUM) – celkové tržby za rok, za produkt, za region.
• Průměry (AVERAGE) – průměrná objednávka na zákazníka.
• Počty (COUNT) – počet objednávek, počet zákazníků.

4. Klasifikace dat

4.1 Co je klasifikace

Klasifikace dat znamená rozdělit data do tříd podle nějakého kritéria.

• Může být ruční (podle pravidel) nebo automatická (strojové učení).
• Cílem je zjednodušit analýzu – místo tisíců řádků pracuji s kategoriemi.

4.2 Příklady klasifikace v praxi

• ABC analýza: rozdělení produktů podle obratu:
  • A – nejdůležitější (např. 20 % produktů dělá 80 % tržeb).
  • B – středně důležité.
  • C – málo důležité.
• Segmentace zákazníků: podle věku, regionu, obratu, chování.
• Klasifikace rizika: nízké / střední / vysoké riziko klienta.

4.3 Klasifikace vs. clustering

V datové analytice se rozlišuje:

• Klasifikace: třídy jsou předem dané (např. „schváleno/neschváleno“).
• Clustering (shlukování): algoritmus sám hledá skupiny podobných dat (např. K‑means).

5. Multidimenzionální model v BI nástrojích

5.1 Power BI / Excel – datový model

V nástrojích jako Power BI nebo Excel (Power Pivot) si vytvářím datový model:

• Načtu tabulky (fakta + dimenze) z různých zdrojů.
• Definuji vztahy mezi tabulkami (1:N – dimenze k faktům).
• Vytvářím měry (measures) – výpočty nad fakty (součty, průměry, procenta).

5.2 Výhody multidimenzionálního modelu

• Uživatel může filtrovat a řezat data podle dimenzí (čas, produkt, region…).
• Snadné vytváření přehledů a dashboardů.
• Jednotná „pravda“ – všichni reportují ze stejného modelu.

6. Shrnutí

• Multidimenzionální model se používá v OLAP a datových skladech – fakta + dimenze.
• Hvězdicové schéma je jednoduché a vhodné pro analýzu, sněhové šetří místo, ale je složitější.
• Dimenze mají hierarchie, které umožňují agregace a „vrtání“ do detailu.
• Klasifikace dat znamená rozdělit data do tříd – např. ABC analýza, segmentace zákazníků.
• BI nástroje (Power BI, Excel) staví na těchto modelech a umožňují vizuální analýzu.

1. Co je DAX

1.1 Definice

DAX (Data Analysis Expressions) je jazyk používaný v Power BI, Power Pivotu a Analysis Services pro výpočty nad datovým modelem.

• Podobá se Excelu, ale pracuje s tabulkami a sloupci, ne s jednotlivými buňkami.
• Umí vytvářet nové sloupce, měry (measures) a tabulky.
• Je optimalizovaný pro agregace, filtrování a práci s kontextem.

1.2 Kde se DAX používá

• Power BI Desktop – nejčastější použití.
• Excel – Power Pivot.
• SQL Server Analysis Services (SSAS).

2. Typy DAX výpočtů

2.1 Vypočítané sloupce (Calculated Columns)

Sloupec se počítá řádek po řádku a ukládá se do datového modelu.

• Hodí se pro hodnoty, které se nemění podle filtru.
• Příklad: věk zákazníka, celková cena položky, kategorie produktu.

2.2 Měry (Measures)

Měry se počítají až při vykreslení vizuálu – reagují na filtry a kontext.

• Neukládají se do tabulky – počítají se dynamicky.
• Jsou základ pro dashboardy a vizualizace.

2.3 Vypočítané tabulky

DAX umí vytvořit i nové tabulky – například výběr dat, agregace nebo spojení tabulek.

• Hodí se pro pomocné tabulky, segmenty, kalendáře.

3. Kontext v DAXu

3.1 Řádkový kontext

Platí při výpočtu sloupců – DAX „vidí“ aktuální řádek.

3.2 Filtrový kontext

Určuje, jaké hodnoty se mají zahrnout do výpočtu.

• Filtry vizuálů, slicerů, hierarchií.
• Měry se přepočítávají podle aktuálního filtru.

3.3 Kontext přechodu (Context Transition)

Vzniká při použití funkcí jako CALCULATE – mění filtr.

4. Nejčastější DAX funkce

4.1 Agregační funkce

• SUM – součet hodnot.
• AVERAGE – průměr.
• COUNT / DISTINCTCOUNT – počet hodnot.
• MIN / MAX.

4.2 Logické funkce

• IF – podmínka.
• SWITCH – více podmínek.

4.3 Časové inteligence

Práce s daty – porovnání období, posuny v čase.

• DATEADD – posun o měsíc/rok.
• YTD – Year‑to‑Date.
• PREVIOUSMONTH.

5. Praktické příklady

5.1 Marže

5.2 Meziroční růst

5.3 Top 5 zákazníků

6. Shrnutí

• DAX je jazyk pro výpočty nad datovým modelem.
• Umí vytvářet sloupce, měry i tabulky.
• Klíčové je pochopit kontext – řádkový a filtrový.
• CALCULATE je nejdůležitější funkce pro změnu filtru.
• DAX se používá hlavně v Power BI pro analytické výpočty.

1. Obchodní model a role vizualizace

1.1 Co je obchodní model

Obchodní model popisuje, jak firma vytváří, doručuje a inkasuje hodnotu.

• Kdo je zákazník, jaké má potřeby.
• Jaké produkty/služby nabízíme.
• Jak vyděláváme – příjmy, náklady, marže.

1.2 Proč vizualizovat data

Samotná tabulka čísel je pro management těžko čitelná. Vizualizace:

• Odhaluje trendy, sezónnost, výkyvy.
• Umožňuje rychle porovnat varianty a scénáře.
• Pomáhá vysvětlit složité vztahy i lidem, kteří nejsou „datoví“.

2. Základní typy vizualizací pro obchod

2.1 Sloupcové a pruhové grafy

Vhodné pro porovnání kategorií – produkty, regiony, prodejci.

• Svislý sloupcový graf – porovnání v jednom období.
• Vodorovný pruhový graf – když jsou dlouhé popisky (např. názvy produktů).
• Seskupené sloupce – porovnání více sérií (např. plán vs. skutečnost).

2.2 Čárové grafy

Vhodné pro časové řady – vývoj tržeb, návštěvnosti, počtu objednávek.

• Ukazují trend – roste, klesá, sezónnost.
• Lze kombinovat více čar – např. tržby vs. náklady.

2.3 Koláčové a prstencové grafy

Ukazují podíl na celku, ale snadno se zneužijí.

• Vhodné jen pro pár kategorií (max. 4–5).
• Pro více kategorií je lepší pruhový graf.

2.4 Další typy

• Stacked (skládané) grafy: struktura tržeb podle produktů.
• Heatmapy: intenzita hodnot (např. prodeje podle dne a hodiny).
• Mapa: prodeje podle regionu/státu.

3. KPI a dashboardy

3.1 KPI – klíčové ukazatele výkonu

KPI (Key Performance Indicators) jsou metriky, podle kterých firma hodnotí úspěch.

• Tržby, marže, počet nových zákazníků.
• Průměrná hodnota objednávky, konverzní poměr.
• Churn rate – odchod zákazníků.

3.2 Dashboard

Dashboard je přehledová obrazovka s více vizualizacemi najednou.

• Má odpovídat na konkrétní otázky – ne být „sbírka grafů“.
• Typicky obsahuje KPI karty, grafy trendů, rozpad podle dimenzí (produkt, region).
• Interaktivita – filtry, slicery, drill‑down.

4. Vizualizace pro různé části obchodního modelu

4.1 Příjmy a tržby

• Čárový graf – vývoj tržeb v čase.
• Sloupcový graf – tržby podle produktů/regionů.
• Stacked graf – struktura tržeb (např. online vs. offline).

4.2 Náklady a marže

• Sloupcový graf – náklady podle kategorií (materiál, mzdy, marketing).
• Čárový graf – vývoj marže v čase.
• Waterfall (vodopád) – jak jednotlivé položky ovlivňují zisk.

4.3 Zákazníci a segmentace

• Mapa – zákazníci podle regionu.
• Pruhový graf – počet zákazníků podle segmentu.
• Heatmapa – aktivita zákazníků podle času/dne.

5. Zásady dobré vizualizace

5.1 Co dělat

• Začít otázkou: „Na co se chci podívat?“
• Vybrat vhodný typ grafu pro daná data.
• Jasně popsat osy, legendu, jednotky.
• Omezit počet barev – zvýraznit jen to důležité.

5.2 Čemu se vyhnout

• 3D grafy – zkreslují vnímání.
• Přeplácané dashboardy – příliš mnoho grafů najednou.
• Koláčové grafy s desítkami kategorií.

6. Nástroje pro vizualizaci obchodních modelů

6.1 Excel

• Rychlé grafy nad tabulkami a kontingenčními tabulkami.
• Vhodné pro menší analýzy, reporting v menších firmách.

6.2 Power BI a další BI nástroje

• Napojení na více zdrojů dat (databáze, API, Excel).
• Interaktivní dashboardy, sdílení přes web.
• Možnost definovat datový model, DAX výpočty, role uživatelů.

6.3 Prezentace výsledků

• Export grafů do prezentací (PowerPoint).
• Storytelling – vysvětlit, co graf říká a co z toho plyne.

7. Shrnutí

• Vizualizace převádí obchodní model do grafů a dashboardů.
• Různé typy grafů se hodí pro různé otázky (trend, podíl, struktura, mapa).
• KPI a dashboardy jsou klíčové pro řízení firmy.
• Důležité je zvolit správný typ grafu a vyhnout se zbytečným efektům.

1. API – rozhraní pro komunikaci

1.1 Co je API

API (Application Programming Interface) je rozhraní, které umožňuje aplikacím spolu komunikovat.

• Umožňuje přístup k datům nebo funkcím jiné aplikace.
• Typicky běží přes HTTP/HTTPS.
• Vrací data ve formátu JSON nebo XML.

1.2 Typy API

• REST API – nejčastější, používá HTTP metody (GET, POST, PUT, DELETE).
• SOAP API – starší, používá XML a přísnou strukturu.
• GraphQL – klient si sám určuje, jaká data chce.

2. JSON – moderní datový formát

2.1 Co je JSON

JSON (JavaScript Object Notation) je lehký textový formát pro výměnu dat.

• Snadno čitelný pro člověka.
• Snadno zpracovatelný pro programy.
• Podporuje objekty, pole, čísla, texty, logické hodnoty.

2.2 Struktura JSON

• Objekt – { klíč: hodnota }
• Pole – [ hodnota1, hodnota2 ]
• Hodnoty – text, číslo, boolean, null, objekt, pole

2.3 JSON vs. XML

3. Databáze – ukládání dat

3.1 Relační databáze (SQL)

Data jsou ukládána do tabulek s řádky a sloupci.

• Každá tabulka má primární klíč.
• Vztahy mezi tabulkami (1:N, N:M).
• Jazyk SQL – SELECT, INSERT, UPDATE, DELETE.

3.2 Nerelační databáze (NoSQL)

Ukládají data flexibilněji – dokumenty, klíč‑hodnota, grafy.

• Dokumentové DB: MongoDB – ukládá JSON dokumenty.
• Key‑value: Redis – extrémně rychlé.
• Grafové DB: Neo4j – vztahy mezi uzly.

4. Propojení API, JSON a databází

4.1 Typický datový tok

• API přijme požadavek.
• Server načte data z databáze.
• Vrátí je klientovi ve formátu JSON.

4.2 Příklad v praxi

E‑shop:

• Databáze ukládá produkty, objednávky, zákazníky.
• API poskytuje data mobilní aplikaci.
• JSON přenáší seznam produktů.

5. Shrnutí

• API umožňuje komunikaci mezi aplikacemi.
• JSON je nejpoužívanější formát pro přenos dat.
• Databáze ukládají data – relační (SQL) i nerelační (NoSQL).
• V moderních systémech spolu všechny tři části úzce spolupracují.

1. Co je SŘBD

1.1 Definice

SŘBD (Systém řízení báze dat) je software, který umožňuje ukládat, spravovat a bezpečně přistupovat k datům.

• Řídí přístup více uživatelů.
• Zajišťuje integritu dat.
• Umožňuje zálohování a obnovu.
• Poskytuje jazyk SQL pro práci s daty.

1.2 Příklady SŘBD

• MySQL – open‑source, webové aplikace.
• PostgreSQL – robustní, enterprise funkce.
• Oracle – velké firmy, banky.
• Microsoft SQL Server – firemní prostředí, BI.
• SQLite – malé aplikace, mobilní zařízení.

2. Architektura SŘBD

2.1 Klient–server

Nejčastější architektura – klient posílá dotazy, server je zpracuje.

2.2 Úlohy SŘBD

• Ukládání dat – fyzická správa souborů.
• Optimalizace dotazů – query planner, indexy.
• Transakce – bezpečné změny dat.
• Bezpečnost – uživatelé, role, oprávnění.
• Zálohování – dump, snapshoty.

3. Transakce a ACID

3.1 Co je transakce

Transakce je skupina operací, které se provedou jako celek.

3.2 ACID vlastnosti

• Atomicity – buď vše, nebo nic.
• Consistency – data zůstávají konzistentní.
• Isolation – transakce se neovlivňují.
• Durability – po potvrzení se změny neztratí.

4. Indexy a optimalizace

4.1 Co je index

Index je datová struktura, která urychluje vyhledávání.

4.2 Typy indexů

• B‑tree – nejčastější.
• Hash index – rychlé přesné vyhledávání.
• Fulltext index – hledání v textu.

4.3 Optimalizace dotazů

• Používat indexy.
• Vyhýbat se SELECT *.
• Správně navrhnout schéma databáze.

5. Bezpečnost v SŘBD

5.1 Oprávnění

• Uživatelé a role.
• Práva: SELECT, INSERT, UPDATE, DELETE.
• Oddělení práv – princip nejmenších oprávnění.

5.2 Šifrování

• Šifrování dat na disku (TDE).
• Šifrování komunikace (TLS/SSL).

5.3 Zálohování a obnova

• Full backup – celá DB.
• Differential backup – změny od poslední full.
• Log backup – transakční log.

6. Typy databází podle modelu

• Relační (SQL) – tabulky, klíče, normalizace.
• NoSQL – dokumentové, grafové, key‑value.
• In‑memory DB – extrémně rychlé (Redis).
• Distribuované DB – Cassandra, CockroachDB.

7. Shrnutí

• SŘBD spravuje data, zajišťuje bezpečnost, transakce a přístup více uživatelů.
• ACID vlastnosti garantují bezpečné změny dat.
• Indexy výrazně zrychlují dotazy.
• Bezpečnost = oprávnění, šifrování, zálohy.
• Existují různé typy databází – SQL i NoSQL.

1. Co je datové modelování

1.1 Definice

Datové modelování je proces návrhu struktury databáze – jak budou data uložena, jaké budou mít vztahy a jak se budou používat.

• Pomáhá pochopit realitu a převést ji do databáze.
• Odhaluje chyby ještě před implementací.
• Zajišťuje konzistenci a efektivitu.

1.2 Typy datových modelů

• Konceptuální model – co evidujeme (entita, vztahy).
• Logický model – jak to bude vypadat v databázi (tabulky, klíče).
• Fyzický model – jak to uloží konkrétní SŘBD (indexy, datové typy).

2. ER model (Entity–Relationship)

2.1 Entita

Entita = objekt reality, který chceme evidovat.

• Student, Produkt, Objednávka, Auto…

2.2 Atribut

Atribut = vlastnost entity.

• Student: jméno, příjmení, datum narození.
• Produkt: cena, název, kategorie.

2.3 Vztahy

Vztahy popisují, jak entity spolu souvisí.

3. Normalizace databáze

3.1 Proč normalizovat

Normalizace je proces, který odstraňuje duplicity a zajišťuje konzistenci dat.

• Méně chyb.
• Menší velikost databáze.
• Snadnější aktualizace.

3.2 Normální formy

1. NF – atomické hodnoty

Každá buňka obsahuje jen jednu hodnotu.

2. NF – závislost na celém klíči

Žádný atribut nesmí záviset jen na části složeného klíče.

3. NF – žádné tranzitivní závislosti

Atribut nesmí záviset na jiném neklíčovém atributu.

4. Fyzický model

4.1 Datové typy

• INT – čísla.
• VARCHAR – text.
• DATE – datum.
• BOOLEAN – ano/ne.

4.2 Indexy

Slouží ke zrychlení vyhledávání.

4.3 Integritní omezení

• PRIMARY KEY – jednoznačný identifikátor.
• FOREIGN KEY – vazba mezi tabulkami.
• UNIQUE – nesmí se opakovat.
• CHECK – kontrola hodnot.

5. Datové modelování v BI

5.1 Fakta a dimenze

V BI se používá hvězdicové schéma – jedna faktová tabulka, kolem ní dimenze.

5.2 Výhody

• Rychlé agregace.
• Přehledná struktura.
• Snadné filtrování a drill‑down.

6. Shrnutí

• Datové modelování převádí realitu do struktury databáze.
• ER model popisuje entity, atributy a vztahy.
• Normalizace odstraňuje duplicity a zajišťuje konzistenci.
• Fyzický model řeší datové typy, indexy a omezení.
• V BI se používají modely fakta–dimenze.

1. Co je DDL

1.1 Definice

DDL (Data Definition Language) je část SQL, která slouží k definici struktury databáze.

• Vytváří tabulky, indexy, schémata.
• Mění strukturu tabulek.
• Maže objekty databáze.

2. CREATE – vytvoření objektu

2.1 Vytvoření tabulky

• PRIMARY KEY – jednoznačný identifikátor.
• UNIQUE – hodnota se nesmí opakovat.
• CHECK – kontrola hodnot.

2.2 Vytvoření indexu

2.3 Vytvoření schématu

3. ALTER – úprava objektu

3.1 Přidání sloupce

3.2 Změna datového typu

3.3 Smazání sloupce

4. DROP – smazání objektu

4.1 Smazání tabulky

4.2 Smazání indexu

4.3 Smazání schématu

5. Integritní omezení (Constraints)

5.1 Typy omezení

• PRIMARY KEY – jednoznačný identifikátor.
• FOREIGN KEY – vazba mezi tabulkami.
• UNIQUE – nesmí se opakovat.
• NOT NULL – hodnota musí být vyplněna.
• CHECK – kontrola hodnot.

5.2 Příklad s cizím klíčem

6. Shrnutí

• DDL definuje strukturu databáze – tabulky, indexy, schémata.
• CREATE vytváří objekty, ALTER je mění, DROP maže.
• Integritní omezení zajišťují konzistenci dat.
• DDL je základ databázového návrhu i administrace.

1. Co je DML

DML (Data Manipulation Language) je část SQL, která pracuje s daty uvnitř tabulek.

• SELECT – výběr dat
• INSERT – vložení dat
• UPDATE – úprava dat
• DELETE – mazání dat

2. SELECT – výběr dat

2.1 Základní SELECT

2.2 WHERE – filtrování

2.3 ORDER BY – řazení

2.4 LIMIT

3. INSERT – vložení dat

3.1 Vložení jednoho řádku

3.2 Vložení více řádků

4. UPDATE – úprava dat

4.1 Úprava hodnoty

5. DELETE – mazání dat

5.1 Smazání jednoho řádku

5.2 Smazání všech dat

6. Shrnutí

• DML pracuje s daty: SELECT, INSERT, UPDATE, DELETE.
• SELECT je nejpoužívanější příkaz v SQL.
• WHERE filtruje, ORDER BY řadí, LIMIT omezuje počet výsledků.
• UPDATE a DELETE musí mít WHERE, jinak změní vše.

1. Co je JOIN

JOIN slouží k propojení dvou nebo více tabulek podle společného sloupce.

JOIN je základ práce s relační databází.

2. Typy JOINů

2.1 INNER JOIN

Vrací jen ty řádky, které mají shodu v obou tabulkách.

2.2 LEFT JOIN

Vrací všechny řádky z levé tabulky + shody z pravé.

2.3 RIGHT JOIN

Vrací všechny řádky z pravé tabulky + shody z levé.

2.4 FULL OUTER JOIN

Vrací všechny řádky z obou tabulek – shody i neshody.

3. CROSS JOIN

Vytvoří kartézský součin – každý řádek z A se spojí s každým z B.

4. USING a NATURAL JOIN

4.1 USING

4.2 NATURAL JOIN

Automaticky spojuje podle sloupců se stejným názvem.

5. Shrnutí

• JOIN propojuje tabulky podle klíčů.
• INNER = jen shody.
• LEFT/RIGHT = všechny z jedné strany.
• FULL = vše.
• CROSS = kartézský součin.

1. Rastrová vs. vektorová grafika

1.1 Rastrová grafika

Obraz je tvořen mřížkou pixelů.

• Každý pixel má barvu.
• Velikost souboru roste s rozlišením.
• Při zvětšení dochází ke ztrátě kvality.

1.2 Vektorová grafika

Obraz je tvořen křivkami, tvary a matematickými objekty.

• Nekonečně škálovatelná.
• Malé soubory.
• Vhodné pro loga, ikony, ilustrace.

2. Barevné modely

2.1 RGB

Model pro monitory – aditivní míchání (světlo).

2.2 CMYK

Model pro tisk – subtraktivní míchání (inkoust).

2.3 HSV / HSL

Modely pro grafické editory – odstín, sytost, jas.

3. Formáty grafiky

3.1 Rastrové formáty

• JPEG – ztrátová komprese, fotky.
• PNG – bezztrátový, průhlednost.
• BMP – nekomprimovaný.
• GIF – animace, 256 barev.

3.2 Vektorové formáty

• SVG – web, ikony.
• EPS – tisk.
• PDF – univerzální dokumenty.

4. Barevná hloubka

Udává počet bitů na pixel.

5. Shrnutí

• Rastr = pixely, vektor = křivky.
• RGB pro monitory, CMYK pro tisk.
• JPEG/PNG pro fotky, SVG pro ikony.
• Barevná hloubka určuje počet barev.

1. Digitalizace zvuku

1.1 Analogový vs. digitální zvuk

Zvuk je analogový signál – vlna. Digitalizace = převod na čísla.

1.2 Vzorkování (sampling)

Počet vzorků za sekundu – jednotka Hz.

• 44,1 kHz – CD kvalita
• 48 kHz – video
• 96/192 kHz – studiová kvalita

1.3 Bitová hloubka

• 16 bit – CD
• 24 bit – studio

2. Formáty audia

2.1 Bezztrátové formáty

• WAV – nekomprimovaný
• FLAC – bezztrátová komprese
• ALAC – Apple Lossless

2.2 Ztrátové formáty

• MP3 – nejrozšířenější
• AAC – lepší než MP3 při stejné velikosti
• OGG Vorbis – open source

3. Kodeky

3.1 Co je kodek

KOmprimuje a DEKomprimuje zvuk.

3.2 Typy kodeků

• Ztrátové – MP3, AAC, OGG
• Bezztrátové – FLAC, ALAC

4. Výpočty velikosti audia

5. Shrnutí

• Digitalizace = vzorkování + bitová hloubka.
• Bezztrátové formáty zachovávají kvalitu, ztrátové ji zmenšují.
• Kodek komprimuje/dekomprimuje zvuk.
• Velikost souboru lze spočítat podle vzorců.

1. Kontejnerové formáty

Kontejner = „obal“, který obsahuje video stopu, audio stopu, titulky, metadata.

• MP4 – nejrozšířenější, podporuje H.264/H.265.
• MKV – univerzální, podporuje téměř vše.
• AVI – starší, omezený.
• MOV – Apple, profesionální video.
• WEBM – webový formát (VP9, AV1).

2. Video kodeky

2.1 Co je kodek

Kodek komprimuje a dekomprimuje video.

2.2 Nejčastější kodeky

• H.264 (AVC) – standard, dobrý poměr kvalita/velikost.
• H.265 (HEVC) – lepší komprese, 4K video.
• VP9 – YouTube.
• AV1 – moderní, open source, nejlepší komprese.

3. Parametry videa

3.1 Rozlišení

• HD – 1280×720
• Full HD – 1920×1080
• 4K – 3840×2160
• 8K – 7680×4320

3.2 FPS – snímková frekvence

• 24 fps – film
• 30 fps – běžné video
• 60 fps – sport, hry

3.3 Bitrate

Udává množství dat za sekundu (kbps / Mbps).

4. Výpočty velikosti videa

5. Shrnutí

• Kontejner = obal, kodek = komprese.
• H.264/H.265 jsou nejpoužívanější kodeky.
• Parametry videa: rozlišení, FPS, bitrate.
• Velikost videa lze spočítat podle bitrate.

1. Princip 3D grafiky

3D grafika simuluje trojrozměrný prostor pomocí matematiky a projekce na 2D obrazovku.

• Objekty mají tvar (mesh), materiál, texturu.
• Scéna obsahuje světla, kameru, objekty.
• Render převádí 3D scénu na 2D obrázek.

2. Kartézský souřadnicový systém

3D prostor se popisuje pomocí os X, Y, Z.

• X – vodorovně
• Y – nahoru/dolů
• Z – dopředu/dozadu

2.1 Transformace

• Translate – posun
• Rotate – rotace
• Scale – změna velikosti

3. 3D software

• Blender – open source, modelování, animace, rendering.
• 3ds Max – architektura, hry.
• Maya – filmový průmysl.
• Cinema 4D – motion design.
• ZBrush – sochařství.

4. 3D formáty

4.1 Formáty modelů

• .OBJ – univerzální, mesh + UV.
• .FBX – animace, hierarchie, materiály.
• .STL – 3D tisk.
• .GLTF / .GLB – moderní webový formát.

4.2 Formáty scén

• .BLEND – Blender projekt.
• .MAX – 3ds Max scéna.

5. Shrnutí

• 3D grafika simuluje prostor pomocí os X, Y, Z.
• Objekty se skládají z meshů, materiálů a textur.
• Transformace mění pozici, rotaci a velikost.
• Existuje mnoho formátů pro modely i celé scény.

1. Základní stavební prvky 3D objektů

1.1 Vertex (vrchol)

Bod v prostoru (x, y, z). Základní jednotka 3D modelu.

1.2 Edge (hrana)

Spojení dvou vrcholů.

1.3 Polygon (plocha)

Nejčastěji trojúhelník nebo čtyřúhelník.

2. Mesh (polygonální model)

Nejčastější typ 3D objektu – skládá se z polygonů.

• Rychlý rendering.
• Vhodné pro hry, animace, vizualizace.
• Detail se přidává subdivizí (Subdivision Surface).

3. Spline a křivky

Spline = hladká křivka definovaná kontrolními body.

• Bezierova křivka
• Catmull–Rom
• B-spline

Použití:

• Modelování hladkých tvarů.
• Animace (trajektorie).
• Generování povrchů (extrude, loft).

4. Patch modely

Povrchy tvořené čtvercovými nebo trojúhelníkovými „záplatami“.

• Hladké povrchy.
• Vhodné pro organické tvary.

5. NURBS

NURBS = Non‑Uniform Rational B‑Splines

• Matematicky přesné křivky a povrchy.
• Vhodné pro CAD, automobilový a letecký průmysl.
• Hladké, přesné, ne polygonální.

6. Shrnutí

• Vertex–edge–polygon tvoří mesh.
• Spline = hladké křivky pro modelování.
• Patch = povrchy tvořené záplatami.
• NURBS = matematicky přesné povrchy.

1. Co je VR

VR (Virtual Reality) vytváří simulované prostředí, do kterého se uživatel ponoří pomocí headsetu.

• Headset (Quest, Vive, Index)
• Ovladače / hand tracking
• Virtuální prostor 6DoF (6 degrees of freedom)

2. Vývojová prostředí

2.1 Unity

• Nejpoužívanější engine pro VR.
• Podpora XR Interaction Toolkit.
• Skriptování v C#.

2.2 Unreal Engine

• Vysoce realistická grafika.
• Blueprints (vizuální skriptování).

2.3 WebXR

• VR přímo v prohlížeči.
• Three.js, Babylon.js.

3. Získávání 3D objektů

3.1 Knihovny modelů

• Sketchfab
• TurboSquid
• BlenderKit

3.2 Vlastní modelování

• Blender
• ZBrush
• 3ds Max

3.3 Fotogrammetrie

Reálný objekt → série fotek → 3D model.

4. Skriptování ve VR

4.1 Interakce

• Grab (uchopení objektu)
• Teleportace
• UI v prostoru

4.2 Fyzika

• RigidBody
• Collider
• Gravity

4.3 Příklad skriptu (Unity C#)

5. Využití VR v praxi

• Vzdělávání – simulace, anatomie, výcvik.
• Průmysl – školení, údržba, vizualizace.
• Zdravotnictví – terapie, rehabilitace.
• Hry a zábava – největší trh.
• Architektura – prohlídky budov.

6. Shrnutí

• VR využívá headset, ovladače a 3D scénu.
• Unity a Unreal jsou hlavní vývojová prostředí.
• 3D objekty lze stáhnout, vytvořit nebo naskenovat.
• Skriptování řídí interakce a chování objektů.
• VR má široké využití v průmyslu, vzdělávání i zábavě.

1. Co je IoT

IoT (Internet of Things) = síť chytrých zařízení, která sbírají data a komunikují mezi sebou.

• Senzory (teplota, vlhkost, pohyb)
• Aktuátory (motory, relé, světla)
• Řídicí jednotky (ESP32, Arduino, Raspberry Pi)

2. IoT zařízení

2.1 Senzory

• Teplota – DHT22
• Pohyb – PIR
• Vlhkost půdy – kapacitní sonda
• GPS – NEO‑6M

2.2 Aktuátory

• Servomotory
• Relé moduly
• LED pásky

2.3 Řídicí jednotky

• ESP32 – Wi‑Fi + Bluetooth
• Arduino – jednoduché projekty
• Raspberry Pi – minipočítač

3. Komunikační technologie

3.1 Wi‑Fi

Rychlá, ale energeticky náročná.

3.2 Bluetooth Low Energy

Krátký dosah, nízká spotřeba.

3.3 ZigBee

Chytrá domácnost (Philips Hue, IKEA Tradfri).

3.4 LoRaWAN

Dlouhý dosah, nízká spotřeba – senzory ve městech.

3.5 MQTT protokol

Lehký protokol pro IoT komunikaci.

4. IoT platformy

• Home Assistant
• Node‑RED
• Azure IoT Hub
• Google IoT Core

5. Využití IoT

• Chytrá domácnost – světla, topení, zabezpečení.
• Průmysl (IIoT) – prediktivní údržba.
• Zemědělství – senzory vlhkosti půdy.
• Zdravotnictví – monitoring pacientů.
• Města – chytré osvětlení, parkování.

6. Shrnutí

• IoT = chytrá zařízení propojená do sítě.
• Senzory sbírají data, aktuátory vykonávají akce.
• Komunikace: Wi‑Fi, BLE, ZigBee, LoRaWAN, MQTT.
• IoT má široké využití v domácnostech i průmyslu.

1. Elektrické veličiny

1.1 Napětí (U)

Rozdíl elektrického potenciálu mezi dvěma body. Jednotka: volt (V).

1.2 Proud (I)

Tok elektrických nábojů. Jednotka: ampér (A).

1.3 Odpor (R)

Schopnost materiálu bránit průchodu proudu. Jednotka: ohm (Ω).

1.4 Výkon (P)

Práce vykonaná za jednotku času. Jednotka: watt (W).

2. Elektrické obvody

2.1 Sériové zapojení

• Proud je stejný ve všech prvcích.
• Odpor se sčítá.

2.2 Paralelní zapojení

• Napětí je stejné na všech větvích.
• Proudy se sčítají.

3. Zákony elektrotechniky

3.1 Ohmův zákon

U = R × I

3.2 Kirchhoffovy zákony

• 1. zákon (uzlový) – součet proudů do uzlu = součet proudů z uzlu.
• 2. zákon (smyčkový) – součet napětí ve smyčce = 0.

4. Střídavý a stejnosměrný proud

4.1 DC – stejnosměrný proud

Směr proudu je konstantní (baterie, USB).

4.2 AC – střídavý proud

Směr proudu se periodicky mění (zásuvka 230 V).

5. Základní elektronické součástky

• Rezistor – odpor.
• Kondenzátor – ukládá energii v elektrickém poli.
• Cívka – ukládá energii v magnetickém poli.
• Dioda – propouští proud jedním směrem.
• Tranzistor – zesilovač, spínač.

6. Bezpečnost v elektrotechnice

• Izolace vodičů
• Jištění (pojistky, jističe)
• Uzemnění
• Práce pod napětím – zákaz
• Normy ČSN

7. Shrnutí

• Základní veličiny: U, I, R, P.
• Ohmův a Kirchhoffovy zákony popisují chování obvodů.
• DC = stejnosměrný, AC = střídavý proud.
• Součástky: rezistor, kondenzátor, cívka, dioda, tranzistor.
• Bezpečnost je klíčová součást elektrotechniky.

1. Co jsou periferní zařízení IoT

Periferie jsou zařízení připojená k IoT jednotce (ESP32, Arduino, Raspberry Pi), která umožňují sběr dat nebo ovládání okolí.

• Senzory – měří fyzikální veličiny.
• Aktuátory – vykonávají akce.
• Komunikační moduly – připojení k síti.
• Rozšiřující moduly – displeje, paměti, převodníky.

2. Senzory

2.1 Senzory prostředí

• DHT22 – teplota a vlhkost
• BME280 – teplota, vlhkost, tlak
• MQ‑2 – plyn, kouř
• BH1750 – intenzita světla

2.2 Pohybové senzory

• PIR – detekce pohybu
• Ultrazvukový senzor HC‑SR04 – vzdálenost

2.3 Elektrické senzory

• ACS712 – měření proudu
• INA219 – proud + napětí

3. Aktuátory

3.1 Mechanické aktuátory

• Servomotory
• Stejnosměrné motory
• Relé moduly

3.2 Elektronické aktuátory

• LED diody
• RGB LED pásky (WS2812B)
• Bzučáky

4. Komunikační moduly

4.1 Wi‑Fi moduly

• ESP8266
• ESP32 (integrované Wi‑Fi + BT)

4.2 Bluetooth

• HC‑05 / HC‑06
• BLE moduly

4.3 LoRa

• RFM95W
• RA‑02

4.4 ZigBee

• CC2531
• Sonoff ZigBee Bridge

5. Rozšiřující moduly

5.1 Displeje

• OLED 0.96"
• LCD 16×2
• TFT displeje

5.2 Paměťové moduly

• SD karta
• EEPROM
• Flash paměť

5.3 Převodníky

• ADC moduly (ADS1115)
• DAC moduly
• Level shiftery (logické převodníky)

6. Způsoby připojení periferií

• I2C – senzory, displeje
• SPI – rychlé moduly (SD karta, displeje)
• UART – sériová komunikace
• 1‑Wire – teplotní senzory (DS18B20)
• GPIO – jednoduché vstupy/výstupy

7. Shrnutí

• Periferie IoT zahrnují senzory, aktuátory, komunikační a rozšiřující moduly.
• Senzory měří prostředí, aktuátory vykonávají akce.
• Komunikace probíhá přes Wi‑Fi, BLE, LoRa, ZigBee.
• Připojení periferií: I2C, SPI, UART, GPIO.

1. Tok dat v IoT

IoT systém typicky pracuje s daty v těchto krocích:

1. Sběr dat – senzory měří fyzikální veličiny.
2. Přenos – data putují přes síť (MQTT, HTTP, LoRaWAN…).
3. Ukládání – databáze, cloud, lokální úložiště.
4. Zpracování – filtrace, agregace, výpočty.
5. Vizualizace – grafy, dashboardy, reporty.

2. Ukládání dat

2.1 Databáze

• InfluxDB – časové řady, ideální pro IoT.
• MongoDB – dokumentová databáze.
• MySQL / PostgreSQL – relační databáze.

2.2 Cloudové služby

• Azure IoT Hub
• Google Cloud IoT
• AWS IoT Core

3. Zpracování dat

3.1 Filtrace

• Odstranění šumu
• Moving average
• Low-pass / high-pass filtry

3.2 Agregace

• Min / Max
• Průměr
• Součty
• Skupiny podle času (1 min, 1 hod, 1 den)

3.3 Normalizace

Převod dat na jednotnou škálu.

4. Vizualizace dat

4.1 Dashboardy

• Grafana – nejpoužívanější nástroj.
• Node‑RED Dashboard
• Home Assistant

4.2 Typy grafů

• Časové řady (line chart)
• Sloupcové grafy
• Gauge (měřáky)
• Heatmapy

5. Analýza dat

5.1 Detekce anomálií

• Neobvyklé hodnoty
• Výkyvy mimo toleranci

5.2 Prediktivní analýza

• Predikce teploty
• Predikce spotřeby energie

5.3 Upozornění

• MQTT zprávy
• Email / SMS
• Webhooky

6. Shrnutí

• IoT data se sbírají, ukládají, filtrují a vizualizují.
• InfluxDB a Grafana jsou standard pro časové řady.
• Zpracování zahrnuje filtraci, agregaci a normalizaci.
• Dashboardy umožňují sledovat stav systému v reálném čase.

1. Přenosové technologie IoT

1.1 Wi‑Fi

• Vysoká rychlost
• Vysoká spotřeba energie
• Vhodné pro domácí IoT

1.2 Bluetooth Low Energy (BLE)

• Nízká spotřeba
• Krátký dosah
• Nositelné technologie

1.3 ZigBee

• Mesh síť
• Chytrá domácnost (Hue, IKEA)

1.4 LoRaWAN

• Dlouhý dosah (km)
• Nízká spotřeba
• Malá datová propustnost

1.5 NB‑IoT / LTE‑M

• Mobilní sítě pro IoT
• Vhodné pro města a průmysl

2. IoT protokoly

2.1 MQTT

Lehký protokol založený na publish/subscribe.

2.2 HTTP / REST API

• Jednoduché
• Vyšší režie
• Vhodné pro cloud

2.3 CoAP

• Lehká alternativa k HTTP
• UDP
• Vhodné pro malé senzory

2.4 WebSocket

• Obousměrná komunikace
• Reálný čas

3. Sběrnice pro IoT zařízení

3.1 I2C

• 2 vodiče (SDA, SCL)
• Více zařízení na jedné sběrnici
• Senzory, displeje

3.2 SPI

• Rychlá komunikace
• 4 vodiče (MISO, MOSI, SCK, CS)
• SD karty, displeje

3.3 UART

• Sériová komunikace
• TX/RX
• Moduly, GPS, debug

3.4 1‑Wire

• Jeden datový vodič
• DS18B20 teplotní senzory

4. Topologie IoT sítí

4.1 Star (hvězda)

• Všechna zařízení komunikují s centrálním bodem
• Wi‑Fi, LoRaWAN

4.2 Mesh

• Zařízení si předávají data mezi sebou
• ZigBee, Thread

4.3 Point‑to‑Point

• Přímé spojení dvou zařízení
• Bluetooth

5. Bezpečnost IoT komunikace

• Šifrování (TLS, DTLS)
• Autentizace zařízení
• Oddělené IoT sítě
• Aktualizace firmware (OTA)

6. Shrnutí

• IoT využívá různé přenosové technologie: Wi‑Fi, BLE, ZigBee, LoRaWAN, NB‑IoT.
• Protokoly: MQTT, HTTP, CoAP, WebSocket.
• Sběrnice: I2C, SPI, UART, 1‑Wire.
• Topologie: star, mesh, point‑to‑point.
• Bezpečnost je zásadní součást IoT komunikace.

1. IoT platformy a mikrokontroléry

1.1 ESP32 / ESP8266

• Integrované Wi‑Fi a Bluetooth
• Velmi populární v IoT
• Programování v Arduino IDE, PlatformIO, MicroPython

1.2 Arduino

• Jednoduché programování
• Velká komunita
• Vhodné pro začátečníky

1.3 Raspberry Pi

• Plnohodnotný Linux
• Python, Node.js, C++
• Vhodné pro edge computing

2. Programovací jazyky pro IoT

2.1 C / C++

• Arduino
• ESP-IDF
• Rychlé, nízkoúrovňové

2.2 MicroPython

• Jednodušší syntaxe
• Rychlý vývoj
• ESP32, Raspberry Pi Pico

2.3 JavaScript (Node.js)

• IoT servery
• Webové dashboardy

2.4 Python

• Raspberry Pi
• Datová analýza

3. Práce se senzory a aktuátory

3.1 Čtení dat ze senzorů

3.2 Ovládání aktuátorů

3.3 PWM – řízení výkonu

• Stmívání LED
• Řízení motorů

4. Komunikace IoT zařízení

4.1 MQTT

Nejpoužívanější protokol pro IoT.

4.2 HTTP / REST API

Jednoduché odesílání dat do cloudu.

5. Energetická optimalizace

• Deep sleep režim
• Probouzení na základě senzoru
• Optimalizace Wi‑Fi připojení

6. OTA aktualizace (Over‑The‑Air)

Umožňuje aktualizovat firmware bez fyzického připojení.

• Bezpečné aktualizace
• Vzdálená správa zařízení
• Nutné šifrování

7. Bezpečnost IoT programování

• Šifrování komunikace (TLS)
• Bezpečné ukládání hesel
• Omezení přístupů
• Validace dat

8. Shrnutí

• IoT zařízení se programují v C/C++, Pythonu nebo MicroPythonu.
• Senzory poskytují data, aktuátory vykonávají akce.
• Komunikace probíhá přes MQTT nebo HTTP.
• Energetická optimalizace je zásadní pro bateriová zařízení.
• OTA umožňuje vzdálené aktualizace firmware.